シャオミ、オムニモーダルのMiMo-V2.6系をオープンウェイト公開
XiaomiMiMoオープンウェイトオムニモーダル中国AI
シャオミが生成AIモデル「MiMo-V2.6」シリーズを公開・オープンソース化した。フラッグシップのProはテキスト・画像・映像・音声を扱うオムニモーダル構成で、コンテキストは100万トークン。Artificial Analysisの総合知能指数で46.32を記録し、オープンウェイトの上位に位置づけられている。
何が発表されたか
- MiMo-V2.6-Pro（フラッグシップ）、MiMo-V2.6-Flash（軽量版）、Pro-UltraSpeed（高速版）の3モデルを公開。
- 入力はテキスト・画像・映像・音声、出力はテキスト。コンテキストは100万トークン、最大出力は12万8千トークン。
- Pro-UltraSpeedはPro比で最大20倍の出力速度をうたう。
- ベンチマークはArtificial Analysis知能指数46.32、AutomationBench 53.1、Terminal Bench 2.1で89.9。
- Xiaomi AI Studio、MiMo Desktop、MiMo Code、OpenRouter経由で利用可能。価格はV2.5から据え置きで、キャッシュヒット時の入力は100万トークンあたり約0.0036ドル、キャッシュミス時が約0.435ドル、出力が約0.87ドル。
- ツール呼び出し、ウェブ検索、構造化出力、コンテキストキャッシュに対応。
実務への影響
注目すべきは性能そのものより価格帯です。キャッシュミス時の入力が100万トークンあたり0.5ドル未満という水準は、商用フロンティアモデルの数分の一にあたります。ECの商品説明文を数千件まとめて書き直す、過去記事を一括でリライトする、といった「量が効く」処理では、モデルの選択がそのまま粗利に直結します。
オープンウェイトである点は、受託案件での提案材料にもなります。クラウドに出せないデータを扱う案件で、自社サーバーやオンプレに置いて動かす構成が取れるためです。ただし1兆パラメータ級のProを自前で動かすのは現実的でなく、実運用ではFlashか、OpenRouter経由でのAPI利用が入口になるでしょう。
補足
映像と音声をそのまま入力できるため、商品紹介動画から説明文を起こす、打ち合わせ録音から要件をまとめる、といった前工程の自動化にも試す価値があります。